摘要：

16SrRNA基因是微生物生态学中应用最广泛的标记基因，通常根据16S测序结果来估计微生物群落中细菌和古菌的比例。然而由于不同生物体含有不同的16S基因拷贝数（gene copy numbers, GCNs），更大GCNs的分支往往会在测序中得到更多的序列，从而使得结果的相对丰度高于实际值。近来，一些基于测序基因组来预测GCNs的方法陆续被开发出来，这些方法使用了系统发育的方法以纠正前述偏差，但其预测的准确性还没有经过评估。本文作者基于6800个公共测序基因组并运用多种系统发育方法，对16S GCNs在细菌和古菌分支上的可预测性进行了系统评估，并在更广泛的类群和来自不同环境的635个微生物群落中，对PICRUSt、CopyRighter、PAPRICA等三个最近公布的方法的预测准确性进行了评估。

结果发现，无论哪种方法，16S GCNs只能准确预测一个有限的分类群（<15% divergence）。一致的是，这些工具在预测全基因组时表现出较低的准确度，在某些情况下，甚至只能解释不到10%。几个测试微生物群落之间的工具也存在很大的误差。微生物群落的最相似序列分类指数（nearest sequencedtaxon index, NSTI），即测序基因组的平均距离，对于非动物相关样本可以进行有力预测，但对于动物相关样本结果稍逊。因此，一般情况下作者不建议在微生物研究中纠正16S GCNs。

1.从系统发育的角度16S GCNS的可预测性

16S GCNs的自相关函数，即在一定的系统发育距离上两个随机挑选的OTU的GCNs之间的相关性，随着系统发育距离的增加而适度衰减（图1A），在系统发育距离约15%的情况下下降到0.5以下，在系统发育进化距离约30%时降为0。因此，16S GCNs的预测对于具有大于约15%的NSTD的分支和接近NSTD大于约30%的分支是不准确的。为了明确测试这一结论，作者基于SIVLA衍生树随机16S GCNs进行预测，并比较了这些预测和从已知的完整测序基因组的GCNs。作者使用了以下常见的两种重建算法预测GCNs：对于CopyRighter和PICRUSt使用PIC算法, 对于PAPRICA使用subtree averaging算法。结果发现所有的预测方法仅实现了NSTD低于15～30%的高精度（图1C），符合原本基于自相关函数的期望。在SILVA衍生的树中，大约49%的OTU具有大于15%的NSTD，并且大约30%的OTU具有大于30%的NSTD（图1B）。由于Silva数据库中自然界的环境微生物群落不是纯随机的取样，因此这些生物一般预测NSTDs会较低。此外，很可能有大量的原核生物尚未被包括在SILVA，例如从最近发现的或尚未发现的一些门，NSTD可能大于30%。因此，基于测序基因组的16S GCNS的预测对于大多数现存的天然环境中的原核分支来说是不准确的，树的拓扑和分支长度的误差可能降低系统发育重建工具的预测精度（图1C）。

图一 16S基因拷贝数的系统发育信号

（SILVA衍生树）

2.第三方预测工具的评估

前面的分析表明，基于可用测序基因组的16S GCNs的系统发育预测对于大量的原核分支来说是不准确的，特别是那些仅具有少数测序代表的物种。这一发现引发了对16S GCNs可以准确预测典型环境群落的质疑，16S GCN校正应该被系统地应用于每一个微生物群落研究。因此，作者测试了PICRUSt v1.1.1、CopyRighter v0.46和PAPRICA v0.4.0b最近出版的三种工具的预测精度。作者进行了两种类型的测试：第一个测试将上述测序基因组的GCNS与基于基因组16S序列的每个工具预测的GCNs进行比较；第二个测试将每个工具的预测与其他两种工具的预测进行比较，对于Greengene 16S rRNA数据库中的所有OTU以及来自不同范围环境中的635个微基因组中发现的原核OTU进行比较。结果发现，三种工具的预测准确度和以真GCNs的解释方差的部分来测量的预测精度通常随着基因组的NSTD而降低（图2）。对于PICRUSt和PAPRICA，R²甚至对NSTD在30%以上都是负的。

图二 GCN预测工具对

已知GCN基因组的评价

不同的工具之间在评估整个Greengene数据库时，预测的GCNs与其他工具的预测中方差最多为25%（图3）。CopyRighter和PICRUSt使用相同的输入基因组和相似的参考树集合，然而所得结果基本不同（图3a）。当考虑依赖于OTU的NSTD工具之间的差异时，发现R²随着NSTD的增加而迅速减小，并且在NSTD低于20%时变成负（图3d-f）。

图三 基于Greengenes各工

具之间16S GCN预测的比较

作者用635个样本来比较这三种工具，发现对于任何两种工具来说(CopyRighter vs. PICRUSt,PICRUSt vs. PAPRICA, CopyRighter vs. PAPRICA)，第一工具预测的方差由第二工具（R²）的预测解释低于0.5的超过84%的样本，低于0.1超过55%的样本（图4）。在许多情况下，工具之间的一致性甚至比工具之间不相关的预测更差。在PICRUSt和PAPRICA之间发现了最差的一致性，而CopyRighter和PICRUSt之间发现了最好的（但仍然是不好的）一致性。这进一步加强了文章的结论，现有的GCN预测工具对这些样本中的许多样本表现不佳，即使只考虑与动物相关的样本（例如人类皮肤样本）。动物样本被认为是比其他环境更好的研究，并通常具有较低的NSTIs（加权平均NSTD的OTU），结果发现工具之间仍存在不一致性。一种解释是，即使在人类相关的微体系中，许多具有高NSTD的OTU降低了总体预测精度。事实上结果发现，在大多数样本之间的工具之间的不一致性不是单独由一些特异OTU驱动，而是反映在每个样本中大量OTU的中度到较差的一致性。而对于非动物样本，则趋势更为明显。很可能是由于许多被忽略的分类，尤其是研究不够深入的门类，甚至比一些特异的OTU具有更大的NSTD。

图四 GCNs预测工具在

微生物群落中的一致性

以前的研究曾经使用模拟群落来测试16S GCNs的可预测性，表明正确的校正GCNs可以提高微生物群落组成的估算准确性。因此，使用模拟群落而不是自然群落，可以使GCNs得到很好地预测，因为每一个单位的GCNs都是已知的。

结论：

作者评估了16S GCNs的系统发育保守性，并使用几种常见的系统发育重建算法研究了GCNs的可预测性。其研究结果表明GCNS或许并不能预测大量现存的原核分支。此外，作者评估了三种可用的16S GCN预测工具在一组完全测序基因组上的准确性，以及在Greengene 16S数据库和来自广泛环境的微生物群落中的OTU的准确性。分析结果表明，现有的工具在大部分基因组与OTU测试中表现不佳；对于超过85%被检查的微生物群落，GCN预测在几种工具之间差异很大。因此，由于测序基因组覆盖不足，16S GCN预测对于现存的原核多样性的很大一部分是不精确的，这与通常的假设恰恰相反。因此作者建议，16S GCNs应仅在具有低NSTI（15%）的微生物群落的研究中被校正。

参考文献：

Louca S, Doebeli M, Parfrey L W. Correcting for 16S rRNA gene copy numbers in microbiome surveys remains an unsolved problem[J]. Microbiome, 2018, 6(1): 41.

https://microbiomejournal.biomedcentral.com/articles/10.1186/s40168-018-0420-9

中国科学院生态环境研究中心

环境生物技术重点实验室

邓晔 研究员课题组发布

作者：吴悦妮

猜你喜欢

10000+：肠道细菌 人体上的生命 宝宝与猫狗 梅毒狂想曲 提DNA发Nature 实验分析谁对结果影响大  Cell微生物专刊

系列教程：微生物组入门 Biostar 微生物组  宏基因组

专业技能：生信宝典 学术图表 高分文章 不可或缺的人

一文读懂：宏基因组 寄生虫益处 进化树

必备技能：提问 搜索  Endnote

文献阅读 热心肠 SemanticScholar Geenmedical

扩增子分析：图表解读 分析流程 统计绘图

16S功能预测   PICRUSt  FAPROTAX  Bugbase Tax4Fun

在线工具：16S预测培养基 生信绘图

科研经验：云笔记  云协作 公众号

编程模板 Shell  R Perl

生物科普  生命大跃进  细胞暗战 人体奥秘

写在后面

为鼓励读者交流、快速解决科研困难，我们建立了“宏基因组”专业讨论群，目前己有国内外150+ PI，1500+ 一线科研人员加入。参与讨论，获得专业解答，欢迎分享此文至朋友圈，并扫码加主编好友带你入群，务必备注“姓名-单位-研究方向-职称/年级”。技术问题寻求帮助，首先阅读《如何优雅的提问》学习解决问题思路，仍末解决群内讨论，问题不私聊，帮助同行。

学习16S扩增子、宏基因组科研思路和分析实战，关注“宏基因组”